Prediksi rating reksadana berbasis algoritma decision tree pada sistem informasi reksadana

Abstract

Informasi yang terdapat pada situs reksadana pada saat ini hanya menampilkan tetang variabel reksadana saja secara umum seperti nilai NAV, RAB, Resiko, YTD, dan lainya, sehingga para investor yang masih baru dalam reksadana akan kesulitan dalam menentukan pilihan reksadaana yang akan dibeli. Oleh karena itu pada penelitian ini diusulkan prediksi rating reksadana berbasis algoritma decision tree pada sistem informasi reksadana dengan tujuan untuk menampilkan sebuah variabel rating sebagai bahan pertimbangan dan meningkatkan keakuratan dalam memberikan rating pada penelitian prediksi rating reksadana.  Algoritma yang digunakan dalam pembuatan sistem informasi prediksi rating reksadana ini adalah menggunakan algoritma decision tree dengan menggunakan variabel NAV, HILO, Resiko, dan YTD. Pengujian akurasi, spesifikasi, dan sensitivity dilakukan menggunakan data yang sudah diunduh pada website reksadana IPOTFUND. Jumlah data yang digunakan yaitu 50 data, yang terdiri dari 25 data latih dan 25 data uji. Dari hasil pengujian yang dilakukan dengan metode decision tree maka menunjukkan tingkat akurasi, spesificity, dan sensitivity sebesar 80%, 93%, dan 67%. Maka dapat disimpulkan bahwa algoritma decision tree bekerja secara akurat untuk pemberian rating reksa dana.